[發明專利]一種智能駕駛汽車避障決策方法及裝置

有效

• 申請號: 202011064508.X
• 申請日: 2020-09-30
• 公開（公告）號: CN112141098B
• 公開（公告）日: 2022-01-25
• 發明（設計）人: 劉一荻;殷瑋;張顯宏;梁偉銘
• 申請（專利權）人: 上海汽車集團股份有限公司
• 主分類號: B60W30/09
• 分類號: B60W30/09;B60W30/095
• 代理公司: 北京信遠達知識產權代理有限公司 11304
• 代理人: 趙興華

本申請提供了一種智能駕駛汽車避障決策方法及裝置，其中，高斯混合分布模型和隱馬爾可夫模型均為機器學習中的一種模型，可以被處理器等終端自動執行，并基于數據進行自動訓練，使訓練好的高斯混合分布模型及訓練隱馬爾可夫模型得到的混淆矩陣及狀態轉移矩陣，相比于基于人工經驗和人工標定的規則，準確性高，從而保證基于預先訓練好的高斯混合分布模型和訓練隱馬爾可夫模型得到的混淆矩陣及狀態轉移矩陣，進行的避障決策的準確性高，進而使車輛能及時做出正確的決策，提高行駛效率及安全性。

技術領域

本申請涉及智能交通技術領域，特別涉及一種智能駕駛汽車避障決策方法及裝置。

背景技術

智能駕駛汽車在行駛過程中，當前方存在靜態障礙物或低速行駛的交通參與者時，若智能駕駛系統具備主動避障決策的功能，車輛可以通過換道或繞行等行為，避開前方的障礙物或交通參與者，以此來提高車輛行駛的效率和安全性，使車輛能夠更加智能化地執行駕駛任務。

目前，智能駕駛汽車的主動避障決策方法一般是基于規則判斷是否要進行主動避障，但是，規則的提取及判斷條件需要基于人工經驗和大量人工標定工作，導致基于規則判斷的決策結果的準確性較低，使智能駕駛汽車難以及時做出正確的決策，影響行駛效率及安全性。

發明內容

為解決上述技術問題，本申請實施例提供一種智能駕駛汽車避障決策方法及裝置，以達到提高決策結果的準確性，進而提高行駛效率及安全性的目的，技術方案如下：

一種智能駕駛汽車避障決策方法，包括：

確定目標車輛在不同時刻，與障礙物的相對行駛信息；

基于預先訓練好的高斯混合分布模型，對每個時刻的所述相對行駛信息進行分類，得到每個時刻的所述相對行駛信息的類別；

對每個所述類別，從訓練隱馬爾可夫模型得到的混淆矩陣中獲取所述類別對應的不同行為狀態的概率，所述混淆矩陣包含各個時刻的相對行駛信息的類別對應的不同行為狀態的概率；

對不同所述類別對應的行為狀態組成的每個行為狀態序列，從訓練隱馬爾可夫模型得到的狀態轉移矩陣中，獲取所述行為狀態序列中，任意相鄰兩個行為狀態之間轉移的概率，所述狀態轉移矩陣包含不同行為狀態之間轉移的概率；

對每個所述行為狀態序列，基于每個所述類別對應的不同行為狀態的概率及所述行為狀態序列對應的行為狀態之間轉移的概率，確定所述行為狀態序列的概率；

將概率最大的行為狀態序列，作為目標行為狀態序列；

基于所述目標行為狀態序列中最后一個行為狀態，進行避障決策。

所述相對行駛信息，包括：

相對車速、相對距離和碰撞時間；

所述基于預先訓練好的高斯混合分布模型，對每個時刻的所述相對行駛信息進行分類，得到每個時刻的所述相對行駛信息的類別，包括：

對每個時刻的所述相對車速，利用分段函數，確定所述相對車速所屬的車速類別，將所述相對車速所屬的車速類別作為相對車速系數；

對每個時刻的所述相對距離，利用針對相對距離預先訓練好的的高斯混合分布模型中多類高斯分布概率密度函數，確定所述相對距離的高斯分布概率，將最大的高斯分布概率所對應的類別作為相對距離系數；

對每個時刻的所述碰撞時間的倒數，利用針對碰撞時間預先訓練好的高斯混合分布模型中多類高斯分布概率密度函數，確定所述碰撞時間的倒數的高斯分布概率，將最大的高斯分布概率所對應的類別作為相對碰撞時間系數；

對每個時刻的所述相對行駛信息，結合所述時刻的相對車速系數、所述相對距離系數及所述相對碰撞時間系數，確定所述相對行駛信息的類別。